Abstract
오늘 리뷰할 논문은 키넥트 v2 센서를 활용한 인간공학적 자세분석기법을 적용하고 정확성을 검증하는 논문이다.
Introduction은 생략하도록 하겠다.
Keyword : Kinect v2, RULA, Ergonomics
[개 요]
2. Method
2.1. K2RULA software
2.1.1. The RULA method
2.1.2. Data retrieval
2.1.3. Functionalities
2.2. Experiment 1: validation with an optical motion capture system
2.2.1. Equipment
2.2.2. Procedure
2.2.3. Data analysis
2.3. Experiment 2: validation with RULA expert and comparison with the Jack TAT
2.3.1. Equipment
2.3.2. Procedure
2.3.3. Data analysis
3. Results
3.1. Experiment 1
3.2. Experiment 2
4. Discussion
4.1. Main contributions
4.2. Limitations of the study and possible research developments
5. Conclusions
[2. Method]
2.1 K2RULA Software
K2RULA 프로그램은 semi-automatic RULA 평가도구이며, 프로그램으로 평가자가 직접 영상을 분석하여 RULA 점수를 산출할 수 있는 도구이다. 본 프로그램은 C#, Windows Microsoft Kinect v2 센서를 활용하였으며, GUI(Graphical User Interface)를 통해 시각화 할 비디오를 선택하고 RGB 스트림의 보조창을 활성화할 수 있다. 그림은 아래와 같다.
"Real time RULA" 버튼은 현재 보여지는 자세의 RULA grand score를 구하고 Playback 컨트롤 버튼을 누르면 기록된 파일에 대한 추가적인 분석이 가능하다.
2.1.1 The RULA method
RULA 평가기법은 인체를 크게 2가지로 나누어 자세의 점수가 계산된다.
(Section A: Upper arm, Lower arm, Wrist / Section B: Neck, Trunk, Legs)
점수는 3가지 Table로 구성되어 있으며 첫째, 둘째 Table은 몸 부위에 따른 자세점수를 보여준다.
각각의 점수들은 동작의 빈도와 힘의 사용여부에 따라 업데이트가 되게된다.
세번째 Table은 이전 점수를 근거로 최종 grand score를 반환한다.
아래 그림은 Action level list로써 근로자의 근골격계질환을 예방하기 위한 관리자의 개입이 필요한 정도를 나타낸다.
2.1.2 Data retrieval
Kinect 장비의 인체 추적 알고리즘은 Joint 객체로 구성된 골격구조를 반환한다. 각 Joint 위치는 떨림으로인한 노이즈를 최소화 하기 위해 300ms 메모리 버퍼에 저장된 위치의 평균값으로 실시간 연산이 진행된다.
만약 Joint 위치를 찾지 못할 경우 주변 관절을 기반으로 추론하여 찾게된다.
본 연구에서 개발한 K2RULA 툴은 25개의 Kinect에서 제공하는 Joint 좌표 중 19개만 사용한다.
RULA 평가도구는 관절 사이의 각도를 통해 쉽게 평가가 가능하다. 그러나 특정 각도는 추가적인 분석이 요구된다.
본 연구에서는 몸통 굴곡각도를 계산하기 위해 몸통의 기준점(Trunk Vector)를 정의하였다. 이를 기준으로 허리(Trunk) 굴곡각도를 계산하였다. 그 결과, upper arm flextion/extension, upper arms abduction, shoulder abduction,
lower arm, wrist location, neck flexion/extension, wrist, neck twist는 정확도가 그다지 높게 나타나지 않았다고 한다. 추가적으로, K2RULA 툴은 RULA의 부가점수(무게/힘사용)는 자동적으로 계산이 불가능 하여 평가자가 GUI 프로그램에서 직접 선택할 수 있도록 기능을 구현하였다고 한다. 아래 그림은 GUI에서 직접 부가점수를 체크할 수 있도록 하였다.
2.1.3 Functionalities
"Realtime RULA"버튼을 누르면 RULA Score 화면이 뜬다. 이 화면은 각 몸 부분의 점수(양쪽)와 계산된 각도, 그리고 RULA grand score를 보여주고 text-file로 저장이 가능하다.
Action level(RULA 위험도)이 초록색(Grand score 1-2점), 빨강(grand score-7점) 으로 표기된다.
탐색한 joint의 위치가 빨간 원으로 표기되고 Skeleton 형태로 표시된다.
다른 기능으로는 연속적인 분석결과를 저장할 수 있는 .xef 파일을 제공한다.
소프트웨어는 grand-score를 프레임별로 계산하고 time-line plot으로 보여준다.(실시간 분석결과 그래프인듯) plot에서 한 지점을 클릭하면 그 부분의 grand score를 출력하게 된다.
2.2 K2RULA SoftwareExperiment 1: validation with an optical motion capture system
- K2RULA tool과 optical motion capture system 간의 정확도를 비교.
- 가설 : K2RULA와 optical motion capture system의 grand-score는 일치할 것이다.
2.2.1. Equipment
2.2.2. Procedure
실험 조건 : 15개의 자세를 선정하였다. (9개: EAWS form(아래 그림예시) , 6개: booklet of the European campaign)
참가자 조건 : (male, age 26, 180cm, 80kg - actor to simulate)
장비 사용 조건 : 18개의 marker를 부착(인간공학적으로 제시되는 부위 선정(선행논문에 따랐음))
장비 설치 조건 : Kinect 카메라를 Actor앞에 두고 거리는 240cm 높이는 지상으로부터 180cm 위치하여 설치했다.
실험 절차 : Tracking system을 사용하여 정적 자세를 기록하고 선행논문(Xu et al., 2015).과 동일한 절차에 따라 실험을 수행했다.
2.3. Experiment 2 : validation with RULA expert and comparison with the Jack TAT
K2RULA tool vs 인간공학 전문가 평가결과
K2RULA tool vs Jack Task Analysis Toolkit(선행 연구에서 개발된 키넥트기반 분석프로그램?)
가설 2 : K2RULA grand-score가 인간공학 전문가의 결과와 일치할 것이다.
가설 3 : K2RULA grand-score가 Jack Task Analysis Toolkit 프로그램 결과보다 우수할 것이다.
2.3.1. Equipment
2.3.2. Procedure
실험 조건 : 실험 1과 동일한 15개의 자세를 분석.
RULA 평가 전문가를 섭외(어디어디에서 일하는, 10년 이상의 경력)
참가자 조건 : (male, age 28, 170cm, 72kg-actor to simulate) , RULA 평가 전문가를 섭외(어디어디에서 일하는, 10년 이상의 경력)
장비 사용 조건 : 실험을 위해 2개의 Kinect sensors와 비디오카메라를 actor앞에 설치하였다.(실험1과 동일)
실험 절차 : Actor는 정적인 자세들을 취하고 우리는 그 자세를 기록하였다. 그다음 RULA grand-score를 K2RULA 와 Jack-TAT 프로그램으로 구하였다. RULA 평가 전문가는 오프라인으로 기록된 영상을 보고 평가하여 RULA grand-score를 구하였다.
2.3.3. Data analysis
Kinect 기반의 두가지 평가방법과, 인간공학 평가 전문가의 결과를 서로 비교하였다. 그리고 실험1과의 결과와 얼마나 일치하는지 비교해 보았다.
[3. Results]
3.1 Experiment 1
아래 그림은 K2RULA와 optical motion capture system의 몸통 왼쪽과 오른쪽부분에 분석한 RULA grand score 를 나타낸다. 이 결과는 완벽하게 일치하는것을 볼 수 있다.
통계적으로 유의성을 검증하기 위해 평가결과가 일치하는 사실이 우연이라는 귀무가설을 설정하고 기각하는지 확인해 본 결과 P-value 0.001보다 작기 때문에 가설을 기각하는 것으로 나타났다. 이말은 즉슨 두 평가결과가 똑같애서 오차나 차이가 거의 없었다는걸 증명하는 내용인것 같다.
3.2. Experiment 2
K2RULA grand score와 Jack-TAT 결과를 인간공학 전문가의 결과와 비교한 내용을 아래 그림에 표현하였다.
그 결과 K2RULA와 전문가의 결과는 완벽히 일치하였으며 Jack-TAT 결과와는 "fair" 하다고 나왔다.
[4. Discussion]
4.1 Main Contributions
실험 1에서 두 방법으로 산출된 RULA grand score는 24/30개 자세와 동일하였다. 이 결과는 선행연구에서 제시한 결과와 일치한다. 6가지 자세에서 차이가 나는 이유는 K2RULA가 팔 외전과 몸통 굴곡을 과하게 감지했기 때문이라고 해석한다. RULA 평가방법은 Joint의 위치가 다소 정확하지 않더라도 각도의 범위에 따라 평가점수가 산출되기 때문에 이러한 오차를 보완할 수 있다. (각도범위로 분석하기 때문에 오차가좀 나도 상관 없다는 뜻으로 해석.)
실험 2에서 K2RULA 툴 결과는 전문가의 평가결과와 정확히 일치하는 결과를 보여줬다.
Posture 2에서 Jack-TAT는 관절의 위험도를 과소평가하여 목에 낮은 점수를 주었는데 왜 그랬는지 비디오를 통해 분석해보면, 목이 뒤로 젖혀진 것처럼 보이고 Jack-TAT는 이러한 상황을 감지하지 못했다고 한다.
Posture 6에서 평가자는 어깨 높이보다 높이 뻗은 손으로 무릎을 꿇고 있다. 목과 팔꿈치는 높은 점수를 가지며, 인체공학적으로 위험도가 높다. 전문가와 K2RULA는 동일한 점수를 평가한 반면, Jack-TAT는 무릎을 꿇는 자세에서 몇가지 문제를 보였으며 때때로 골격을 제대로 찾지 못하였다.
Posture 9에서 양팔을 어깨 높이 이상 올렸다. 전문가와 K2RULA는 동일한 점수를 부여했고, Jack-TAT는 낮은 점수를 부여했다.
Posture 10은 몸통의 회전과 화살모양의 평면을 가로지르는 왼쪽 팔이 특이점이다. K2RULA와 전문가는 각 신체부위에 동일한 점수를 부여했다. 이 경우 Jack-TAT는 동일한 점수를 부여했지만, 팔 부분을 과소평가하였고 목 부분을 과대평가하였다.
Posture 11은 몸통이 앞으로 크게 휘어있는 자세이다. K2RULA는 몸통의 작은 비틀림과 굴곡을 감지했으므로 가장 높은 점수를 부여하였다.
Posture 12는 Jack-TAT는 목 뒤쪽 굴곡을 감지하지 못하고 팔 부분을 과소평가 하였고, Jack-TAT는 전문가가 평가한 결과보다 낮은 평균점수를 부여하였다.(평균오차 E=0.933, 오차 표준편차 = 1.34) 반면, K2RULA는 위험수준을 약간 과대평가 했다(평균오차 E=0.267, 오차 표준편차 = 0.44). 그러나 이러한 과대평가했다는 것은 보수적인 평가를 수행했다고 해석할 수 있으며, 이는 평가도구의 목표와 어느정도 일치한다고 볼 수 있다. K2RULA는 전문가(p0 = 0.96, k=0.84)와 완벽한 일치를 보였다. 우리의 결과는 선행연구보다 높은 일치율을 보였다.
4.2. Limitations of the study and possible research developments
우리는 통제된 조명설치조건과 물체를 가리지 않는 실험실 환경에서 테스트했다. 이것은 Kinect 장비를 위한 최적조건이며 배우의 행동묘사한 데이터를 바탕으로 분석하였다. 따라서 실제 현장에서의 데이터가 아니므로 현장적용성이 떨어진다는 한계가 있다. 반면, Kinect 센서를 활용하면 손목 부하점수 측정에 높은 기여를 보일 것으로 기대된다. 또한 Depth 센서와 저가의 wearable 장치로부터 자유로운 기술을 제안한다. 마지막으로, 피로도지수를 적용한 평가도 가능할 것으로 보인다.
[5. Conclusions]
Kinect v2를 기반으로 한 실시간 반자동 RULA평가시스템인 K2RULA를 발표하였다. 그것은 Speed-up detection이 가능하고 주관적인 평가를 방지할 수 있다. K2RULA는 오프라인으로 데이터를 분석하고 인간공학적인 연구를 위해 결과를 저장할 수 있다. 신뢰성을 기존의 육안으로 검사하는 평가방법을 통해 입증하면서 mocap 시스템과 RULA평가 전문가 결과를 기준으로 두가지 실험을 통해 K2RULA의 유효성을 입증하였다. 또한 선행연구에서 사용한 Kinect v1 센서를 기반으로 제작된 상용화 프로그램인 Jack-TAT와 비교하였다.
요약내용 :
1. K2RULA grand score = motion capture system grand score
2. K2RULA grand score = RULA 전문가 평가 grand score
3. K2RULA grand score 정확도 > Jack-TAT tool(Kinect v1) grand score 정확도
댓글